MétaCan
Menu
Retour à la cohorte
Enregistrement W1970259930 · doi:10.1002/cjce.5450830227

Multivariable Optimal Learning Control of Wafer Temperatures in a Commercial RTP Equipment

2008· article· en· W1970259930 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultivariable calculusMaterials scienceTemperature controlWaferModel predictive controlComputer scienceOptoelectronicsMechanical engineeringEngineeringArtificial intelligenceControl engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

A multivariable optimal iterative learning control technique called BMPC (Batch Model Predictive Control) has been implemented and evaluated in a commercial RTP (Rapid Thermal Processing) system fabricating 200 mm silicon wafers. The wafer temperature was controlled at multiple points along the radial direction by manipulating multiple tungsten-halogen lamp groups. The study has addressed the following two issues: feasibility of BMPC in a commercial RTP equipment and enhancement of temperature uniformity using redundant inputs. As a consequence, satisfactory tracking performance could be realized with BMPC with reduced efforts for design and implementation of the controller by the standardized identification and tuning procedure. Redundant inputs whose number is larger than that of the temperature measurements was attempted to relieve the directionality of the system. Experimental tests revealed that the approach can provide us with improved temperature uniformity as well as tracking performance. Une technique de contrôle d'apprentissage itérative optimale multivariable, appelée BMPC (contrôle prédictif de modèles discontinus) a été appliquée et évaluée dans un système RTP (traitement thermique rapide) commercial de fabrication de galettes de silicone de 200 mm. La température de galette est contrôlée en de multiples points dans la direction radiale en manipulant des groupes de lampes de tungstène-halogène. L'étude porte sur deux aspects : la faisabilité du BMPC dans un équipement RTP commercial et l'amélioration de l'uniformité de la température à l'aide d'entrées redondantes. De cette façon, on a pu réaliser une performance de traçage satisfaisante avec le BMPC, avec des efforts réduits pour la conception et l'implantation du contrôleur par la procédure d'identification et de réglage standardisée. Des entrées redondantes dont le nombre est plus grand que le nombre de mesures de température ont été essayées pour amoindrir la directionnalité du système. Les tests expérimentaux montrent que cette méthode peut fournir une meilleure uniformité de température et performance de traçage.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,180
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle